3.3.2. Принципы и подходы к построению математических моделей
Математическое моделирование многие считают скорее искусством, чем стройной и законченной теорией. Здесь очень велика роль опыта, интуиции и других интеллектуальных качеств человека. Тем не менее, к настоящему времени уже накоплен значительный опыт, дающий основание сформулировать некоторые принципы и подходы к построению моделей. Принципы определяют те общие требования, которым должна удовлетворять правильно построенная модель.
Адекватность. Этот принцип предусматривает соответствие модели целям исследования по уровню сложности и организа
ции, а также соответствие реальной системе относительно выбранного множества свойств. До тех пор, пока не решен вопрос, правильно ли отображает модель исследуемую систему, ценность модели незначительна.
Соответствие модели решаемой задаче. Модель должна строиться для решения определенного класса задач или конкретной задачи исследования системы. Попытки создания универсальной модели, нацеленной на решение большого числа разнообразных задач, приводят к такому усложнению, что она оказывается практически непригодной. Опыт показывает, что при решении каждой конкретной задачи нужно иметь свою модель, отражающую те аспекты системы, которые являются наиболее важными в данной задаче. Этот принцип связан с принципом адекватности.
Упрощение при сохранении существенных свойств системы. Модель должна быть в некоторых отношениях проще прототипа – в этом смысл моделирования. Чем сложнее рассматриваемая система, тем по возможности более упрощенным должно быть ее описание, умышленно утрирующее типичные и игнорирующее менее существенные свойства. Этот принцип может быть назван принципом абстрагирования от второстепенных деталей.
Соответствие между требуемой точностью результатов моделирования и сложностью модели. Модели по своей природе всегда носят приближенный характер. Возникает вопрос, каким должно быть это приближение. С одной стороны, чтобы отразить все сколько-нибудь существенные свойства, модель необходимо детализировать. С другой стороны, строить модель, приближающуюся по сложности к реальной системе, очевидно, не имеет смысла. Она не должна быть настолько сложной, чтобы нахождение решения оказалось слишком затруднительным. Компромисс между этими двумя требованиями достигается нередко путем проб и ошибок. Практическими рекомендациями по уменьшению сложности моделей являются:
изменение числа переменных, достигаемое либо исключением несущественных переменных, либо их объединением. Процесс преобразования модели в модель с меньшим числом переменных и ограничений называют агрегированием;
изменение природы переменных параметров. Переменные параметры рассматриваются в качестве постоянных, дискретные – в качестве непрерывных и т.д.;
изменение функциональной зависимости между переменными. Нелинейная зависимость заменяется обычно линейной, дискретная функция распределения вероятностей – непрерывной;
изменение ограничений (добавление, исключение или модификация). При снятии ограничений получается оптимистичное решение, при введении – пессимистичное. Варьируя ограничениями, можно найти возможные граничные значения эффективности. Такой прием часто используется для нахождения предварительных оценок эффективности решений на этапе постановки задач;
ограничение точности модели. Точность результатов модели не может быть выше точности исходных данных.
Баланс погрешностей различных видов. В соответствии с принципом баланса необходимо добиваться, например, баланса систематической погрешности моделирования за счет отклонения модели от оригинала и погрешности исходных данных, точности отдельных элементов модели, систематической погрешности моделирования и случайной погрешности при интерпретации и осреднении результатов.
Многовариантность реализаций элементов модели. Разнообразие реализаций одного и того же элемента, отличающихся по точности (а следовательно, и по сложности), обеспечивает регулирование соотношения «точность/сложность».
Блочное строение. При соблюдении принципа блочного строения облегчается разработка сложных моделей и появляется возможность использования накопленного опыта и готовых блоков с минимальными связями между ними. Выделение блоков производится с учетом разделения модели по этапам и режимам функционирования системы.